전체 글163 AI가 실험실에서 밤새 일한다면? Claude가 로봇 팔과 카메라를 움직이기 시작했다 새벽 2시, 양자컴퓨터의 레이저가 목표 주파수에서 벗어났다.전에는 그 장비를 가장 잘 아는 사람이 실험실로 달려가야 했다.그런데 이제는 AI가 장비 상태를 읽고, 복구 방법을 시험하고, 결과를 확인하며 밤새 대응하는 사례가 나왔다.이번 이슈의 주인공은 화려한 로봇 자체가 아니다. 서로 말이 다른 실험실 장비를 AI가 안전하게 다루도록 연결하는 공통 규격, MHS(Model Hardware Standard)다.AI가 장비마다 다른 ‘언어’를 배워야 했던 이유AI 에이전트는 파일을 읽고, 코드를 고치고, 브라우저를 조작하는 데는 이미 익숙하다.하지만 실험실은 다르다. 카메라, 로봇 팔, 액체 처리 장비, 측정 장비는 제조사와 제어 방식이 모두 다르다. 그래서 장비 하나를 더 연결할 때마다 사람이 별도의 연결.. 2026. 8. 28. #5 Gradient Boosting이란? Random Forest와 무엇이 다를까? 최근 LG Aimers 9기 해커톤에서 야구 데이터를 다루면서 여러 머신러닝 모델을 직접 사용해보고 있다.처음에는 Random Forest, XGBoost, LightGBM, CatBoost가 각각 다른 모델이라는 정도로만 알고 있었는데, 하나씩 찾아보다 보니 이 모델들 사이에 꽤 중요한 연결고리가 있다는 것을 알게 됐다. 특히 XGBoost와 LightGBM, CatBoost를 이해하려면 먼저 Gradient Boosting이 어떤 방식으로 동작하는지 이해할 필요가 있었다.그래서 이번 글에서는 Gradient Boosting이 무엇인지부터 시작해서, Random Forest와는 어떤 차이가 있는지 정리해보려고 한다.1. Gradient Boosting이란?Gradient Boosting은 여러 개의 약.. 2026. 8. 28. 사람들은 클로드에게 어디까지 맡기고 있을까? 25만 건의 대화를 분석한 결과 AI에게 질문하는 건 이제 너무 익숙한 일이 됐다.맛집을 물어보고, 영어 문장을 고치고, 코드를 만들어달라고 한다. 그런데 만약 AI에게 내 인생이나 회사의 중요한 결정까지 맡기고 있다면?생각보다 많은 사람들이 이미 그러고 있는 것으로 나타났다. Anthropic이 오늘 공개한 연구에서 실제 Claude.ai와 Claude Code 대화 약 25만 건을 분석했다.그리고 결과가 상당히 흥미롭다.절반이 넘는 대화에서 AI가 '중요한 업무'에 관여하고 있었다. 단순한 검색이나 심심풀이 질문이 아니었다.다른 사람에게 영향을 미치거나, 한번 결정하면 되돌리기 어려운 업무였다. 사람들이 AI에게 맡기는 일이 생각보다 심각하다이번 연구에서 말하는 consequential task는 단순히 중요한 질문이라는 뜻이 아니.. 2026. 8. 27. #4 Random Forest란? 여러 개의 Decision Tree를 사용하는 이유 Decision Tree는 머신러닝에서 이해하기 쉬운 대표적인 모델이다.데이터를 여러 조건으로 나누면서 예측하기 때문에 구조가 직관적이고, 분류와 회귀 문제 모두에 사용할 수 있다는 장점이 있다.하지만 Decision Tree에는 한 가지 큰 단점이 있다. Tree가 지나치게 복잡해지면 학습 데이터에 과도하게 맞춰지는 과적합(Overfitting)이 발생하기 쉽다는 것이다.그렇다면 하나의 Decision Tree를 사용하는 대신 여러 개의 Tree를 만들어 결과를 합치면 어떨까? 이러한 아이디어에서 등장한 대표적인 앙상블 모델이 Random Forest(랜덤 포레스트)다.이번 글에서는 Random Forest가 무엇인지부터 시작해서 Bootstrap Sampling, Bagging, Feature Ran.. 2026. 8. 27. Claude가 한글 오타를 계속 내는 이유 Claude를 오래 사용하며 계속 품고 있던 의문이 있었다.일반 채팅에서는 문제가 없지만 따로 문서를 생성하는 등 외부 툴을 연동하여 글을 작성할 때 오타를 내는 것이다.예를 들어 문맥상 분명히 맞는 단어를 작성해야 하는데, 특정 음절이 전혀 다른 한글로 바뀌어 있는 식이었다. 위는 해커톤을 진행하며 팀 협업용 노션에 실험을 기록하며 발생한 오타를 모은 것이다. 이 현상이 더 이상하게 느껴졌던 이유가 있다.LLM은 Token(토큰) 단위로 텍스트를 처리하고 다음 Token을 예측하면서 문장을 생성한다. 그래서 이런 의문이 생겼다."LLM이 Token 단위로 한글을 처리하는데, 왜 멀쩡한 한글 단어의 특정 음절이 다른 글자로 바뀌는 걸까?" 더 이상했던 건 GPT에서는 이런 현상을 거의 본 적이 없었다는 .. 2026. 8. 27. #3 Decision Tree란? 의사결정 트리의 원리와 작동 방식 머신러닝에서 자주 사용되는 모델 중 하나가 Decision Tree(의사결정 트리)다.Decision Tree는 데이터를 여러 가지 조건에 따라 반복적으로 나누면서 예측하는 모델이다.사람이 어떤 결정을 내릴 때 여러 질문에 순서대로 답하면서 결론을 내리는 과정과 비슷하다. 예를 들어 대출 승인 여부를 판단한다고 해보자.소득이 높은가?├── Yes → 신용점수가 높은가?│ ├── Yes → 승인│ └── No → 거절│└── No → 거절이처럼 여러 조건을 거쳐 최종적인 결과를 결정한다.이번 글에서는 Decision Tree의 기본 구조부터 데이터 분할 기준, Gini Impurity와 Entropy, 과적합 문제까지 알아보자.1. Decision Tree란?Decisi.. 2026. 8. 26. 이전 1 2 3 4 ··· 28 다음